【机器学习】 卷积神经网络 (CNN)

1. 为什么需要 CNN

• 前提：利用前置知识，去掉全连接神经网络中的部分参数，提升学习效率。
• 本质：在 DNN 之前加上 CNN，先去除不必要的参数，再进入 DNN。
• 常用于图片识别：
  • 对图像特征的局部性（稀疏连接）和平移不变性（参数共享）进行处理。
  • 分层特征提取：从低级到高级，捕获图片中的复杂结构。
  • 池化层：降维，减少参数量。

---

2. CNN 的架构

1. 特征1（卷积层）

   • 检测局部图案，不需要查看整张图。
   • 满足稀疏连接特性。

2. 特征2（卷积层）

   • 对不同位置相同的图案，使用相同的参数（Filter）。
   • 满足参数共享特性。

3. 特征3（池化层）

   • 通过抽样将图片缩小，保留最重要的特征，且不影响最终结构。

---

3. 卷积层

• 总体功能：卷积层用于特征提取，通过稀疏连接和权值共享，将输入图像与滤波器进行卷积操作，得到多个特征图

卷积核

• 特点：过滤器，相当于 DNN 中的神经元，卷积核就是 CNN 中的神经元。

• 作用：检查图像中是否存在某些图案。

• 优点：

  • 满足特征1：可以只检测局部区域。
  • 满足特征2：不同位置的图案共享同一卷积核。

• 注意：卷积核的尺寸会根据输入图像的维度进行调整。

  • 例如：若输入图像维度为 1，卷积核为 3×3，若图像维度为 25，卷积核变为 25×3×3。

• 通常情况下，多个不同的卷积核被用于构建过滤器，每个卷积核提取不同的特征。

特征映射

• 过程：卷积核滑动并与图像局部进行卷积操作，得到特征图。
• 注：卷积后的特征映射维度与卷积核的数量相关，而与当前图像维度无关。
  • 示例：输入 28×28×3，卷积核 3×3×3，核数为 5，步幅 1 → 输出为 26×26×5。

改进

• 问题：同一个卷积核处理不同大小的图案较为困难。
• 解决方案：在 CNN 前加一层进行图像加工（如缩小、旋转等处理）。

---

4. 池化层

功能

• 池化层将卷积层输出划分为多个区域，从每个区域中提取最大值或平均值，从而减少图像尺寸，同时保持图像特性。
• 保持平移、伸缩、旋转不变性。
• 减少参数量，提升模型的泛化能力。

Flatten

• 过程：池化层操作后，将提取到的特征平铺，输入到 DNN 层进行深度学习。

池化类型

• 平均池化：对每个区域取平均值，保留整体信息。
• 最大池化：对每个区域取最大值，提取最显著的特征。

---

5. CNN 的应用

1. AlphaGo

   • 只使用了卷积层，不使用池化层。

2. 语音识别

   • 将语音转为频谱图，卷积核仅在纵坐标（频率）方向上移动，而不在时间序列方向上移动。其他模型用于处理时间序列部分。

3. 文字处理

   • 卷积网络的核心是捕捉局部特征。在文本处理中，若干单词组成的滑动窗口就构成了局部特征。
   • 对特征进行组合和筛选，获取不同层次的语义信息。
   • 只在时间方向上使用卷积，因为不同维度的文字意义是相互独立的。